Sto calcolando un filtro Kalman molto semplice (camminata casuale + modello rumore).
Trovo che l'output del filtro sia molto simile a una media mobile.
Esiste un'equivalenza tra i due?
In caso contrario, qual è la differenza?
Sto calcolando un filtro Kalman molto semplice (camminata casuale + modello rumore).
Trovo che l'output del filtro sia molto simile a una media mobile.
Esiste un'equivalenza tra i due?
In caso contrario, qual è la differenza?
Risposte:
Un modello casuale di camminata + rumore può essere mostrato come equivalente a un EWMA (media mobile esponenzialmente ponderata). Il guadagno kalman finisce per essere lo stesso della ponderazione EWMA.
Ciò è mostrato in alcuni dettagli nell'analisi delle serie temporali per spazio spaziale , se Google Kalman Filter ed EWMA troverai una serie di risorse che discutono l'equivalenza.
In effetti è possibile utilizzare l'equivalenza nello spazio degli stati per costruire intervalli di confidenza per le stime EWMA, ecc.
Per iniziare: l'equivalenza del filtro Kalman con EWMA è solo nel caso di una "camminata casuale più rumore" ed è trattata nel libro, Modello strutturale delle serie temporali di previsione e Filtro Kalman di Andrew Harvey. L'equivalenza di EWMA con filtro Kalman per la camminata casuale con rumore è descritta a pagina 175 del testo. Lì l'autore menziona anche che l'equivalenza dei due è stata mostrata per la prima volta nel 1960 e ne fa riferimento. Ecco il link per quella pagina del testo: https://books.google.com/books?id=Kc6tnRHBwLcC&pg=PA175&lpg=PA175&dq=ewma+and+kalman+for+random+walk+with+noise&source=bl&ots=I3VOQsYZOC&sig = RdUCwgFE1s7zrPFylF3e3HxIUNY & hl = it & sa = X & ved = 0ahUKEwiK5t2J84HMAhWINSYKHcmyAXkQ6AEINDAD # v = onepage & q = EWMA% 20and% 20kalman% 20for% 20random% 20walk% 20with% 20noise & f = false
Ora ecco un riferimento che copre un ALETERNATIVO ai filtri Kalman ed Extended Kalman: ha prodotto risultati che corrispondono al filtro Kalman ma i risultati sono ottenuti molto più velocemente! È "Doppio livellamento esponenziale: un'alternativa al tracciamento predittivo basato sul filtro Kalman". In Abstract of the paper (vedi sotto) gli autori dichiarano "... risultati empirici a supporto della validità delle nostre affermazioni secondo cui questi predittori sono più veloci, più facili da implementare e funzionano in modo equivalente al Kalman e ai predittori di filtraggio Kalman estesi ..."
http://cs.brown.edu/~jjl/pubs/kfvsexp_final_laviola.pdf
Questo è il loro astratto "Presentiamo nuovi algoritmi per il monitoraggio predittivo della posizione e dell'orientamento dell'utente basati sul doppio livellamento esponenziale. Questi algoritmi, se confrontati con Kalman e predittori basati su filtri Kalman estesi con modelli di misurazione privi di derivati, funzionano circa 135 volte più velocemente con equivalenti prestazioni di previsione e implementazioni più semplici. Questo documento descrive in dettaglio questi algoritmi insieme ai predittori di Kalman e dei filtri di Kalman estesi testati contro. Inoltre, descriviamo i dettagli di un esperimento di predittore e presentiamo risultati empirici a supporto della validità delle nostre affermazioni che questi predittori sono più veloce, più facile da implementare ed eseguire in modo equivalente ai predittori di filtraggio Kalman ed Kalman estesi ".